论文解读：Self-training with progressive augmentation for unsupervised person re-ID（PAST）

引言 通过深度学习和大量带标签的训练数据，行人再识别（Re-ID）取得了很大的进步。然而，将在标记数据的源域中训练的模型调整为仅可用未标记数据的目标域仍然是一项艰巨的任务。在这项工作中，我们开发了一种具有渐进增强框架（PAST）的自训练方法，以在目标数据集上逐步提升模型性能。特别地，我们的PAST框架包括两个阶段，即保留阶段和提升阶段。保留阶段使用基于三元组的损失函数捕获目标域数据点的局部结构，从

>>阅读原文<<